一种基于VDM分解与LSTM改进的短期负荷预测方法及系统

摘要

本发明公开了一种基于VDM分解与LSTM改进的短期负荷预测方法及系统，包括数据清洗、智能预测、多目标优化和综合评价；通过对于缺失值采用最近邻法进行填充，对于非线性、波动的负荷数据采用VDM技术分解成多个相对平稳的子序列；再通过近似熵的方法将多个相对平稳的子序列优化重组成3个序列分量；在此基础上，对分解出的三个主要的分量进行LST网络在模型训练；在迭代过程中加入注意力机制来对不同特征的参数分配不同的权重，在梯度求解过程中，添加蝗虫算法，实现求解过程加快和避免局部最优解的情况。本发明提供的短期负荷预测，很好的适应于电力负荷各分量复杂组成的情况。